文献类型： 中文期刊

作者： 杜莹莹 ¹ ; 陈小河 ¹ ; 梁琨 ¹ ; 徐剑宏 ² ; 沈明霞 ¹ ; 卢伟 ¹ ;

作者机构： 1.南京农业大学江苏省智能化农业装备重点实验室

2.江苏省农业科学院食品质量与检测研究所

关键词： 小麦;高光谱图像;脱氧雪腐镰刀菌醇;识别模型

期刊名称： 食品工业科技

ISSN： 1002-0306

年卷期： 2016 年 37 卷 17 期

页码： 54-58

收录情况： 北大核心 ; CSCD

摘要： 以6种不同脱氧雪腐镰刀菌烯醇(DON)含量等级的小麦样本为研究对象,利用高光谱图像结合化学计量学方法实现DON毒素含量的鉴别。采集180份小麦样本高光谱图像,利用改进格拉姆斯密特算法(MGS)与遗传无信息变量消除算法(GAUVE)对400~1021 nm波段光谱信息提取特征波长,分别利用线性判别分析(LDA)、随机森林(RF)、支持向量机(SVM)、最邻近结点(KNN)算法建立模型预测小麦脱氧雪腐镰刀菌烯醇含量等级。结果表明,利用MGS算法和GAUVE算法能有效地提取特征波长,降低波长变量数,提高运算速率,4种算法建模时准确率均高于85%,其中MGS-SVM模型鉴别效果最优。研究表明,高光谱图像结合化学计量方法与现有检测方法相比,可以快速无损地鉴别6种不同小麦DON毒素含量,为小麦DON毒素快速、无损、智能检测提供研究方法。